Ottimizzazione delle caratteristiche sensoriali
dell’Olio Extravergine di Oliva: il prodotto ideale
Abbà S.1, Drago S.1, Gragnani L.1 , Bertuccioli M.2
BIOFORTIS for corresp.
corresp. SILLIKER ITALIA S.p.A. - Via Marradi 41, 59100 Prato (Italy); 2 UNIVERSITA’ DI FIRENZE - Dipartimento di Biotecnologie Agrarie
IV CONVEGNO NAZIONALE SISS, 22 – 23 Novembre 2012, Trieste, Italia
1
INTRODUZIONE
Obiettivo principale degli studi effettuati sul consumatore è identificare quali fattori concorrono a definire il gradimento verso i prodotti (Cardello, 2003). Tra i fattori che concorrono al successo di un prodotto
quelli sensoriali ricevono particolare attenzione (Murray et al., 2001). Al fine di identificare gli attributi sensoriali significativamente importanti per interpretare il responso del consumatore è necessario
studiare la relazione tra due differenti matrici i cui dati sono forniti da un panel addestrato (profilo sensoriale) e da un panel di consumatori (gradimento). Lo studio della relazione tra gradimento e profilo
sensoriale consente di individuare, nello spazio definito dalle caratteristiche sensoriali descrittive, la posizione del prodotto ideale per una dato target di consumatori. Nel corso degli anni, numerosi metodi
statistici sono stati utilizzati per lo studio delle relazioni tra dati descrittivi ed edonistici: PCA, PCR, PLS, ecc. Tra questi, la Preference Mapping (interna: MDPREF ed esterna: PREFMAP) è uno degli
approcci più impiegati negli ultimi anni (Wajrok et al., 2003).
Il presente lavoro si propone di stimare il profilo sensoriale ideale di un olio extravergine di oliva in grado di massimizzare il gradimento da parte dei consumatori mettendo in correlazione i dati oggettivi,
ottenuti dall’analisi sensoriale descrittiva, con i dati edonistici, forniti da un gruppo di consumatori abituali.
MATERIALI e METODI
Campioni: 11 campioni di olio extravergine di oliva commerciali classificati in categorie merceologiche diverse. I campioni sono stati valutati in blind.
Analisi Descrittiva: valutazione di intensità di 22 descrittori sensoriali (2 repliche) da parte di un panel composto da 9 giudici adeguatamente formato ed addestrato.
Test sul consumatore: 213 consumatori abituali di olio extravergine di oliva selezionati in 3 differenti aree geografiche italiane (Milano, Padova, Roma). I consumatori hanno espresso oltre al gradimento
complessivo anche quello relativo a colore,
colore aspetto,
aspetto aroma e gusto.
gusto
Acquisizione dei dati: software Fizz (ver 2.46B, Biosystemes).
Analisi dei dati:
dati:
1. Analisi Procastica Generalizzata (GPA) - Senstools ver. 3.3.2., 2005;
2. Mappa di Preferenza Interna (MDPREF) - Senstools ver. 3.3.2., 2005;
3. Mappa di Preferenza Esterna (PREFMAP) - Systat ver. 13, 2009.
RISULTATI e DISCUSSIONE
1. Profilo sensoriale (Analisi Procastica Generalizzata – GPA)
L’ Analisi Procastica Generalizzata (GPA) sottolinea come non tutti i 22 descrittori sensoriali indagati contribuiscano in modo significativo alla discriminazione degli oli oggetto di studio (Fig.1a). Per meglio
comprendere le differenze tra gli oli, una seconda analisi GPA è stata effettuata riducendo il numero dei descrittori (Fig. 1c) escludendo quelli con intervalli di variabilità minori di ± 1 (Fig. 1b). I descrittori
esclusi presentano anche valori di average correlation molto bassi (Fig.1a).
2
1,5
Dim 2
Dim 1
1
0,5
0
-0,5
-1
Fig. 1a. Analisi Procastica Generalizzata (GPA): Correlation plot.
Descrittori sensoriali utilizzati per caratterizzare gli 11 campioni di olio
oggetto di studio.
studio
Fig. 1b. Distribuzione dell’intensità dei descrittori in termini di percentile:
Box plot.
2. Analisi dei responsi dei consumatori (Mappa di Preferenza Interna – MDPREF)
Gr Complessivo iniziale
Gr Aroma
Gr Colore
Gr Sapore
1.5
Gr Aspetto
Gr Complessivo finale
90
Dim 2 (13%)
1
Gruppo 1
80
N. cons
sumatori
I dati forniti dal panel di consumatori in termini di gradimento globale e di gradimento
su specifiche caratteristiche visive e aromatico-gustative, sottolineano che solo 4
campioni di oli degli 11 testati aggregano un numero significativo di consumatori (Fig.
2a) I giudizi relativi al gradimento complessivo,
2a).
complessivo iniziale e finale,
finale si rivelano molto simili
a quelli espressi per i singoli gradimenti relativamente agli oli G, I, e M, pertanto per lo
studio della segmentazione dei consumatori in gruppi omogenei solo il gradimento
complessivo finale è stato preso in considerazione.
L’analisi della mappa di preferenza interna (MDPREF) permette di individuare 3 gruppi
omogenei di consumatori in base al gradimento espresso verso gli 11 oli indagati: il
gruppo 1 (n=72) è orientato verso oli (G, B e H) appartenenti a categorie commerciali
diff
differenti,
ti “Fruttato
“F tt t Medio”
M di ” e “Fruttato
“F tt t Leggero”;
L
” il gruppo 2 (n=71)
( 71) predilige
dili un olio
li (I) di
categoria “Fruttato Medio”; il gruppo 3 (n=63) preferisce un olio (M) di categoria
“Fruttato Leggero” (Fig. 2b).
100
Fig. 1c. BiPlot: Analisi Procastica Generalizzata (GPA)
sul set ridotto di descrittori sensoriali.
Gruppo 2
G
70
B0.5
60
50
-1.5
40
-1
C 00
LE
-0.5
M
-0.5
30
A
HF
D
I
0.5
Di 1 (15%)
Dim
1
1.5
20
10
-1
Gruppo 3
0
A
B
C
D
E
F
G
H
I
L
M
-1.5
CAMPIONI di OLIO
Fig. 2a.
Fig
2a Distribuzione dei gradimenti complessivi (iniziale
e finale) e singoli in relazione ai prodotti valutati (Gr=
Gradimento; Gr Complessivo iniziale: prima di esprimere
il proprio giudizio per i singoli gradimenti; Gr Complessivo
finale: dopo aver espresso il proprio giudizio per i singoli
gradimenti).
Fig. 2b.
Fig
2b Mappa di preferenza interna (MDPREF).
(MDPREF)
Distribuzione degli oli (score) in funzione del
gradimento complessivo fornito dai singoli consumatori
(loadings).
3. Ottimizzazione del prodotto (Mappa di Preferenza Esterna – PREFMAP)
I dati di gradimento forniti separatamente dai 3 gruppi omogenei di consumatori (Fig. 2b) sono stati messi in relazione con il profilo sensoriale fornito dal panel di giudici addestrati mediante la regressione
dai valori score degli oli derivati dall’analisi GPA (Fig. 1c). L’approccio della Mappa Esterna di Preferenza (PREFMAP) individua 3 diverse curve di isoresponso, una per ciascuno dei 3 gruppi di consumatori
identificati, consentendo di determinare la posizione del prodotto ideale nello spazio sensoriale per due dei 3 gruppi (Fig. 3a, b, c; Tab.1). Il gruppo 1 di consumatori (n=72), presenta un andamento “anti”
ideale della curva di isoresponso che permette di comprendere le caratteristiche sensoriali dell’olio meno gradito piuttosto che dell’olio ideale, in grado di massimizzare il gradimento verso il prodotto stesso.
Il gruppo 2 (n=71) presenta una curva che individua un olio dal profilo ideale caratterizzato da aromi di “oliva verde” ed “erbaceo”. Infine, per il gruppo 3 (n=63) si stima un olio ideale con caratteristiche più
marcate di “oliva matura”.
Tab. 1. Valori dei parametri statistici per la
significatività di ciascun modello circolare.
Gruppo
consumatori
1
2
3
R-square F-Ratio
df
p-Value
0.649
0.621
0.516
37 7
3 7
3 7
0.051
0.065
0.145
4.306
3.826
2.485
Anti-Ideal
Ideal point
Ideal point
Fig. 3a.
Fi
3 Modello
M d ll del
d l punto
t “anti”
“ ti” ideale
id l relativo
l ti
all
gruppo di consumatori 1.
Fig. 3b.
Fi
3b Modello
M d ll del
d l punto
t ideale
id l relativo
l ti all gruppo di
consumatori 2.
Fig. 3c.
Fi
3 Modello
M d ll del
d l punto
t ideale
id l relativo
l ti all gruppo di
consumatori 3.
CONCLUSIONI
BIBLIOGRAFIA
Studiare la percezione della qualità sensoriale da parte del consumatore di un prodotto, rappresenta
uno strumento strategico per un’azienda ai fini di costruire un profilo sensoriale ad hoc (prodotto
ideale) in grado di massimizzare la soddisfazione di target specifici di consumatori e garantire
dunque il successo del prodotto stesso.
Il presente studio ha permesso di comprendere su quali caratteristiche sensoriali di un olio
extravergine di oliva poter intervenire, per conseguire un profilo ottimizzato secondo le aspettative
del mercato e, attraverso la segmentazione dei consumatori, sviluppare strategie di marketing
differenziate. Il metodo si rivela strategico per lo sviluppo di nuovi prodotti o per la riformulazione di
quelli esistenti.
•
•
•
•
•
Cardello V.C. (2003). Consumer concerns and expectations about novel food processing technologies: effect on
product liking. Appetite, 46, 217-233.
Murray J.M., Delahunty C.M. and Baxter I.A. (2001). Descriptive sensory analysis: past present and future. Food
Research International,
International 34,
34 461-471.
461-471
Wairok S., Antille N., Rytz A., Pineau N and Hager Corinne (2008). Partioning methods outperform hierarchical
methods for clustering consumers in preference mapping. Food Quality and Preference, 19, 662-669.
Mac Ewans J. (1996). Preference mapping for product optimization. In T. Nǽs, E. Risvik (eds) Multivariate Analysis
of Data in Sensory Science (Vol 16, Data Handling in Science and Technology, pp.71-102): Amsterdam: Elsevier
Science B.V.
Myers R.M. and Montgomery D.C. (1995). Response surface methodology. Process and product optimization using
designed experiments. New York: John Wiley & Sons, Inc.
